生成式AI辅助决策对管理者战略判断自信度的影响：算法依赖与过度自信 .docxVIP

PAGE2

生成式AI辅助决策对管理者战略判断自信度的影响：算法依赖与过度自信

摘要

本研究聚焦生成式人工智能（GenerativeAI）在管理决策场景中引发的认知效应，系统探讨管理者在运用生成式AI辅助战略判断时，算法依赖如何重塑其自信度结构，并诱发过度自信偏差。研究以“算法依赖—自信度偏移”为主线，揭示工具理性对管理者直觉判断的侵蚀机制。

第一章阐明研究背景与核心问题，指出生成式AI从辅助工具向“准决策主体”迁移的趋势，以及由此产生的管理者认知自主性危机。第二章系统梳理国内外关于算法依赖、自动化偏见与管理者过度自信的文献，归纳出现有研究对生成式AI独特认知影响解释不足的缺口。第三章界定算法依赖、战略判断自信度、过度自信等核心概念，并引入技术接受模型、认知失调理论与自动化偏见理论，构建“认知嵌入—自信度重构”的分析框架。第四章从历史生成、结构性成因与内在矛盾三个层次，解析生成式AI辅助决策中管理者自信度异变的本质，揭示“算法确定性幻觉”与“责任分散效应”的深层矛盾。第五章阐释算法依赖对自信度的作用逻辑，提出“信息过滤—责任外化—信心膨胀”的主导路径，并分析其作用条件与边界。第六章在整合已有理论的基础上，建构“算法依赖型过度自信”的理论模型，包含算法信任度、任务模糊性、反馈时效性等核心变量，并论证其解释力。第七章总结研究发现，提炼理论贡献与管理启示。第八章指出研究局限并展望